2025, Vol. 46
2. 广东外语外贸大学社会与公共管理学院，广州 510420
2. School of Public Administration, Guangdong University of Foreign Studies, Guangzhou 510420, China
生态系统服务（ecosystem services, ESs）指大自然提供的用于维持人类生计和实现区域可持续性发展的生命支持产品和服务[1, 2]. 近年来, 城市化的快速发展、气候的不确定性以及利益主体的多元化需求使得全球的生态安全状况受到不同程度的威胁[3]. 缺乏对ESs间复杂关系的深入了解是实施生态系统有效管理和决策的关键挑战之一[4]. ESs的非独立性、时空重叠性及其本身的多样性和空间异质性形成了ESs间复杂的相互作用[3, 5], 包括权衡、协同及生态系统服务簇（ecosystem service bundles, ESBs）[6, 7]. 当一种ES增加或减少导致另一种ES减少或增加时, 会出现权衡. 相反, 当两种ESs有一致的变化趋势时, 会出现协同关系[8]. 多种ESs及它们之间的权衡协同作用在时空上重复出现, 形成的一系列集合被定义为生态系统服务簇[5], 其对于确定和区分区域内具体的生态系统位置和生态梯度以制定生态系统分区管理的政策和标准而言至关重要[9]. 因此, 全面了解ESs间的权衡协同关系并准确识别ESBs是有效管理生态系统的必要前提条件[10].
当前, 有关ESs间相互作用的研究主要涉及时空分布格局[11]、驱动力分析[12]、情景模拟分析[13]、尺度效应[14]和决策应用[15]等方面. 其中尺度效应是ESs间相互作用研究的核心难点[16], 其指的是ESs间相互作用的强度与方向可能会因为时间单位或空间单元的变化而产生差异性与变动性[17, 18]. 既有研究多从长时间序列[19, 20]或多空间尺度[21]对ESs间的相互作用展开研究. 只有较少学者同时关注跨时空尺度下ESs间的相互作用[22], 但该类研究仍存在一些局限性：①当前研究较多从ESs的权衡协同关系来推断ESs间的相互作用关系, 较少关注ESBs以及时空尺度效应对其的影响, 导致研究结果无法体现多种ESs间的复杂关系[23, 24], 不利于实现生态系统分级分区管控；②在空间尺度的选取上, 以往研究多聚焦于格网、流域以及行政区划, 如区县级单元. 虽然基于格网尺度的研究能够对具有显著内部差异的区域进行明确地理空间信息定量研究[20], 从而支持生态系统的精细化管理[21], 但矩形格网尺度的边界效应可能导致采样偏差, 进而降低微观尺度上ESs相互作用分析的准确性. 因此有研究选取了六边形格网尺度, 该尺度通过确保采样点在6个方向上到质心的距离相等, 以减少由格网形状引起的样本误差[25]. 此外, 我国的地域空间规划具有多级层次性, 流域尺度的分析结果难以直接应用于行政管理单元的生态保护和恢复需求, 从而阻碍了将这些结果纳入区域生态保护战略, 无法满足多重利益相关者的决策需求. 因此, 从行政单元尺度对ESs展开分析仍有必要, 相较于省、市、区县尺度, 乡镇尺度的分析不仅能够精确捕捉到ESs相互作用的局部细节, 还能保持较为完整的空间信息, 利于生态调控工作的实施[26].
城市作为人类活动和自然环境冲突最为激烈且关系最为复杂的地区之一, 在追求经济快速发展的同时往往面临巨大的生态风险和ESs供给压力[15]. 《广东省国土空间规划（2021~2035年）》指出, 要强化珠三角的核心带头作用, 培育珠三角都市农业区, 加强水土保持、水源涵养、生物多样性保护等生态功能以及重点流域湿地生态修复, 打造“绿水青山就是金山银山”的好样板. 基于此, 本研究以珠三角城市群作为快速城市化地区的典型代表, 在评估其调节、支持及供给等多种ESs的基础上, 从长时间序列和多空间尺度（1km2六边形格网、乡镇和区县）详细分析时空尺度效应如何影响ESs间的相互作用（权衡、协同及生态系统服务簇）, 以期为城市的生态空间管理和生态文明建设提供参考依据.
1 材料与方法 1.1 研究区概况珠江三角洲城市群（21°31'~24°30'N, 111°12'~115°35'E）地处广东省珠江下游（图 1）, 总面积约为55 368.7 km2. 该地区属南亚热带海洋季风气候, 年均气温21.4~22.4℃, 年降雨量保持在1 600~2 300 mm左右. “三面环山, 一面临海, 三江汇合”的地理特征, 加之中部密集的河网, 促使珠三角成为中国城市化最为密集的地区之一, 包括东莞、佛山、广州、惠州、江门、深圳、肇庆、中山和珠海这9个城市. 截至2022年, 珠三角常住人口为7 829.43万人, 占中国总人口的5.5%, 区域国内生产总值（GDP）为104 682.27亿元, 占中国GDP的8.7%. 人口众多和高度发达的地区对ESs的需求会更高, 但城市的快速发展与建设又一定程度上容易对生态系统的功能和结构造成威胁[27], 进而影响该地区的可持续发展.
|
图 1 研究区概况 Fig. 1 Distribution of the study area |
研究所使用的数据如表 1所示, 主要包括栅格数据和统计数据. 所有数据通过ArcGIS Pro 2.8.4进行预处理, 统一投影为WGS_1984_UTM_Zone_49N, 并重采样为100 m×100 m的空间分辨率.
|
表 1 数据描述与来源 Table 1 Data descriptions and sources |
1.3 研究方法 1.3.1 生态系统服务的量化
本研究基于以下标准选取了6种ESs：①遵循千年生态系统评估（MA）提出的4个类别, 包括供给、调节、支持和文化服务[28]；②根据《全国生态功能区划》《广东省国土空间生态修复规划2021~2035》《中国陆域生态基础分区》提出的珠三角重点ESs；③考虑数据的可获得性和可靠性. 分别是：粮食供应（FP）和产水量（WY）2种供给服务, 土壤保持（SR）、碳储量（CS）和水质净化（TNP）这3种调节服务, 生境质量（HQ）1项支持服务. WY通过InVEST模型的产水模块计算所得[29], 其中, 根系限制层深度常用土壤深度代替[30], 植物可用水分含量主要参考周文佐等[31]的经验公式；SR通过InVEST模型的泥沙输移比模块计算所得[29], 其中, 降雨侵蚀力参照章文波等[32]提出的逐年降雨量估算侵蚀力公式, 土壤可侵蚀因子参照杨洁等[33]的研究进行计算, 植被覆盖与作物管理因子主要参考相关研究[34, 35]进行确定；TNP通过InVEST模型的养分输送比模块实现, 养分径流代理采用研究区总降水量代替[36]. 氮磷输出是水质净化功能的逆指标, 其值越高, 表明水质净化能力越弱；CS通过InVEST模型的碳储存与封存模块计算所得[37], 碳密度主要参考江伟康[34]和朱志强等[38]在粤港澳大湾区和广州市有关碳储量的研究；HQ通过InVEST模型的生境质量模块计算所得[39]. 此外, InVEST模型的其他运行参数和生物物理系数表主要参考模型手册和相关文献[40~43]进行取值. 由于粮食供应与NDVI具有显著的线性关系[19], 本研究通过NDVI计算FP. 量化所有ESs后, 使用ArcGIS Pro 2.8.4的分区统计工具计算不同尺度上各个空间分析单元的ESs平均值, 再在R 4.3.2中对数据进行标准化处理, 以便进行后续分析.
1.3.2 生态系统服务的权衡协同关系本研究首先选取Spearman相关性系数R及显著性P值, 从全局角度分析了2010~2022年珠三角城市群ESs间的权衡协同关系[44], 并借助R 4.3.2的“corrplot”包实现相关性结果可视化. ESs间权衡协同关系可以分为4类：显著协同（R > 0, P < 0.05）, 协同（R > 0, P≥0.05）, 显著权衡（R < 0, P < 0.05）, 权衡（R < 0, P≥0.05）[20, 45]. 然后再使用地理加权回归模型（GWR）从局部的角度反映每个空间位置ESs间的权衡协同关系, 以克服空间非平稳性的问题, 体现了ESs间权衡协同关系的空间异质性[18]. 该模型的基本形式如下：
|
式中, yi为因变量；β0 (ui，vi)为在点i处的截距；(ui，vi)为i点的空间位置；p为自变量的数目；βk(ui，vi)为回归系数；xjk为自变量；εi为误差项. 正回归系数为空间协同, 负回归系数为空间权衡. 该分析基于R 4.3.2的“GWmodel”包实现.
1.3.3 识别生态系统服务簇自组织特征映射（SOM）是一种有自适应、自组织和自学习特性的无监督学习神经网络方法[46], 能够同时达到降维和聚类的目的, 但单凭SOM无法确定最优聚类数目. 因此研究首先使用SOM将具有相似的ESs供应水平及权衡协同关系的空间单元映射到神经元网格上, 然后再将这些映射结果作为K-means的输入进行二次聚类, 最后使用轮廓系数量化聚类的紧密度与分离度, 从而评估不同聚类数量的聚类质量, 选择最佳聚类数目. 上述分析基于R 4.3.2中的“kohonen”包、“cluster”包以及“clusterCrit”包执行, 使用ArcGIS Pro 2.8.4绘制聚类结果, 使用Origin 2021绘制ESs雷达图和ESBs的动态演变特征图.
2 结果与分析 2.1 生态系统服务的时空变化图 2揭示了2010~2022年珠三角地区6个ESs的显著空间异质性和时空演变特征. 从空间分布来看, 除WY外, 其余5种ESs的空间格局保持相对稳定. 具体而言, SR、CS和HQ的高供给区主要集中在肇庆市、广州市从化区、增城区、惠州市以及江门市. 这些地区地形多样, 植被覆盖率高, 人为干扰较少, 有利于生态环境的维持. 而低值区域集中在中部城市密集区, 自然性和生境适宜性相对较低, 且植被覆盖度不足使得土壤侵蚀作用较为明显. TNP则表现出相反的空间格局, 高值区集中分布在中部城市及周边农田, 人类活动和作物肥料的实施导致此区域氮磷污染严重, 水质净化功能受损. FP与耕地面积紧密相关, 主要分布在农业耕作区. 而WY的分布趋势受降水影响显著, 2010年和2022年呈现西北向东南方向递增趋势, 而2015年则表现为由北向南的递减趋势. 总体而言, 除SR、HQ和FP外, 其他ESs在过去12 a间呈整体上升趋势, 特别是TNP的显著增长表明了水质净化能力的显著退化. 此外, 珠三角地区的SR经历了先降后升的波动, 但总体呈下降趋势；HQ持续降低；而FP则在经历增长后出现减少, 2015年达到峰值. WY、SR和HQ的变动覆盖了整个研究区域, 而CS的增加区域零星分布在佛山市和中山市, TNP的增加区域主要集中在佛山市、中山市和深圳市的耕地和建设用地, FP的变动区域与分布区域相吻合.
|
图 2 2010~2022年珠三角地区6个主要ESs的空间分布及其变化 Fig. 2 Spatial distribution and temporal changes of six ESs in the Pearl River Delta region from 2010 to 2022 |
多尺度分析提高了对ESs间权衡协同关系评估的准确性. 本研究在1 km2六边形格网、乡镇和区县这3个空间尺度上, 考察了2010年、2015年和2022年6个ESs间的15对潜在相关性（图 3）. 结果发现, 在时间尺度上, 多数ESs间的相互作用强度在2015年趋于下降. 调节与支持服务（SR、CS、TNP和HQ）之间的关系随时间推移整体表现为维持高水平协同或向协同方向发展（氮磷输出与SR、CS和HQ为显著权衡关系, 表明水质净化与这些ESs为显著协同关系）；供给服务WY与其他ESs间的作用关系与强度则显示出较大的时间变异性和波动性, 但供给服务FP此变化不明显. 空间尺度的变化同样影响ESs间的作用强度和方向, 其中调节与支持服务之间的显著协同关系不受尺度变化影响, 但其协同强度多随尺度扩大而增强. 供给服务与其他ESs间的作用关系与强度随尺度扩大呈现出无特定规律的变化. 具体而言, WY与其他ESs间的作用强度, 以及FP与其他ESs之间的作用关系, 是尺度变化影响下变动最为显著的两个方面.
|
WY：产水量, CS：碳固定, TNP：氮磷输出（水质净化）, HQ：生境质量, SR：土壤保持, FP：粮食供应；***表示在0.001水平上显著相关, **表示在0.01水平上显著相关, *表示在0.05水平上显著相关 图 3 2010~2022年ESs间的相关分析 Fig. 3 Correlation analysis of ESs from 2010 to 2022 |
本研究采用GWR模型, 基于3个空间尺度对2010年、2015年和2022年ESs间的权衡协同关系进行了空间分析（图 4）. 与Spearman相关分析不同的是, GWR模型能够揭示这种权衡协同关系的局部差异, 即ESs间权衡协同关系的作用强度在空间上可能表现出梯度效应, 甚至在不同地理位置呈现相反的作用关系. 不同空间位置的自然条件（如土地利用组成与配置、气候、地形、植被）以及社会经济条件（如人类活动）的差异导致ESs供给能力在不同位置的变异, 这就解释了为何研究中观察到的ESs间相互作用关系和强度因区域而异[15, 47, 48]. 此外, ESs间权衡协同关系的空间分布特征也可能会随着时间的推移和空间尺度的变化而发生改变.
|
（a）六边形格网尺度, （b）乡镇尺度, （c）区县尺度 图 4 多尺度下ESs间的空间权衡协同关系与面积比 Fig. 4 Spatial trade-off and synergies between ESs pairs and area ratio at multi-scales |
在格网尺度上, WY-TNP、WY-FP、SR-CS、SR-HQ、CS-HQ和TNP-FP之间的空间协同作用更占优势. 其中WY-TNP、WY-FP、SR-CS、SR-HQ和TNP-FP的弱协同到强协同区域的演变与城乡梯度保持一致, 甚至在中部城市密集区会出现权衡关系. 而CS-HQ强协同区域主要位于HQ功能值较低的区域, 暗示在这些区域增加CS对HQ的提升有更加显著的正面影响. 相反, WY-SR、WY-CS、WY-HQ、SR-TNP、SR-FP、CS-TNP、CS-FP、TNP-HQ和HQ-FP的权衡效应在空间上占主导地位. 除WY-HQ和TNP-HQ之外, 其他ESs对的强权衡区域主要集中在珠三角地区的西北、东北和南部, 这些区域人口密度较低, 主要用地类型为林地、草地等生态用地和半生态用地如耕地. 而WY-HQ和TNP-HQ的强权衡区域主要分布在除肇庆市和惠州北部地区之外的HQ低值区. 随着空间尺度的扩大, 一方面, 精细尺度下的ESs间权衡协同作用的微小差异被消除, 导致整体空间分布模式趋于均匀化和聚集化, 甚至在区县尺度表现出完全的权衡或协同效应[10]. 另一方面, ESs间相互作用的性质可能会发生显著转变, 如HQ-FP的相互作用关系从以空间权衡为主逐步过渡到全域范围内的协同效应.
在时间尺度上, 特定ESs间权衡协同关系的空间分布会随时间的推移而发生变化, 但这种变化在较大尺度上更为显著. 在乡镇尺度, WY-SR、WY-HQ和FP-TNP的空间权衡面积呈现先减少后增加的趋势, 而WY-FP的权衡面积在2015年达到最高值, FP-SR的权衡面积则逐年下降, 尽管变动幅度较小. 在区县尺度, WY-SR、WY-HQ和WY-FP的空间权衡面积变化趋势与乡镇尺度相似, 但波动幅度更大, FP-SR和FP-TNP的权衡面积则呈现增加趋势. 总体上, 与供给服务相关的ESs对在空间权衡协同面积上更易发生波动, 而调节支持服务之间的空间权衡协同面积几乎不受时间变化的影响.
2.2.3 多尺度下生态系统服务簇及其动态演变生态系统服务簇体现了多种ESs在空间上复杂的相互关系[6]. 基于6种ESs的评估结果识别了研究区六边形格网、乡镇和区县尺度的4类ESBs（图 5）, 并在此基础上进一步探究12 a间不同尺度上ESBs的演变特征（图 6）. 根据各ESBs的主导ESs功能和ESs类型特征对其进行命名.
|
（a）六边形格网尺度, （b）乡镇尺度, （c）区县尺度；雷达图表示同尺度下不同ESBs的平均ESs供给相对值 图 5 多尺度下各ESBs的时空分布与功能结构 Fig. 5 Spatial and temporal distribution and functional structure of ESBs at multi-scales |
|
图 6 多尺度下ESBs的动态演变特征 Fig. 6 Dynamic evolution characteristics of ESBs at multi-scales |
生态保育簇、农业生态簇和都市生态枯竭簇在3个空间尺度上均有分布, 但其空间分布模式及其内部ESs类型特征存在差异. 生态保育簇主要由CS、HQ和SR这3项ESs构成, 用地类型以丰富的森林为主, 人为干扰较少, 植被密度较高, 这些特征促使CS、HQ和SR在该地区呈现出广泛的协同关系, 显示出强大的ESs供给能力. 此类簇在格网和乡镇尺度的空间分布模式较为相似, 而在区县尺度的分布区域则相对较少, 仅分布在肇庆市、佛山市高明区、广州市从化区以及惠州市龙门县和惠东县. 农业生态簇广泛分布在珠三角城市核心区向四周扩散的过渡地带, 因为珠三角不仅是高度城市化地区, 其地势平坦的地形特征也决定了它是中国重要的耕地分布区. 这类簇主要由FP、WY和CS构成, 在提供较高的粮食供应水平的同时还维持着良好的生态环境, 对于保障城市粮食安全来讲至关重要. 都市生态枯竭簇则主要位于珠三角的中部偏东南部的城市核心区, 在区县尺度上分布最为显著与聚集, 该区域内除WY外, 各项ESs供给能力匮乏, 且氮磷污染严重, 是未来应当进行生态修复和补偿的重点区域.
生境质量簇、都市生态脆弱簇与都市农业维护簇在特定空间尺度上有分布. 生境质量簇仅在格网尺度的入海口处有分布, 该簇占地面积极小, 但对HQ的维持起到一定作用. 都市生态脆弱簇主要分布在中山、佛山以及东莞等区域的部分乡镇, 相较于都市生态枯竭簇, 该簇表现出较强的氮磷净化能力, 并对HQ提供基础水平的支持. 此外, 都市农业维护簇的分布则局限于区县尺度, 主要位于珠三角东南部沿海地带的一些区县, 如广州市南沙区、珠海市香洲区及金湾区等. 一定数量的耕地资源赋予其相应的FP供应能力, 但其他ESs供给水平均低于平均值.
通过图 6可以观察到ESBs在3个不同空间尺度上展现出近似对称的演变模式, 这反映出在2010年和2022年, ESs的空间分布及其供应水平维持了较高的一致性. 然而这种演变模式同样表现出尺度依赖性, 在较小尺度上, ESBs之间的转化频率更高, 而在较大尺度上, ESBs的变化程度更加显著. 具体而言, 在格网尺度上, ESB2和ESB4的变动幅度较大, 这可能与该尺度下土地利用和生态过程的细微变化有关. 乡镇尺度上, ESB1和ESB4的变动幅度较为显著, 这可能是受人类活动和政策干预的影响. 在区县尺度上, ESB3和ESB4的变化幅度较大, 这可能与宏观层面的ESs管理实践的变化相关.
3 讨论 3.1 生态系统服务间相互作用的时间尺度效应分析ESs间相互作用的强度和方向随时间推移会因为ESs供给能力的变化而改变. ESs间的权衡协同关系由两种作用机制驱动：一是ESs之间依赖于相似生态系统过程的直接相互作用；二是ESs之间响应共同驱动因素的间接关联[49]. 这些作用机制的表现形式是区域内各ESs的供给水平. 在研究中, 2010年和2022年ESs间的权衡协同关系以及ESBs的空间分布显示出相似性, 表明2010年和2022年珠三角整体ESs供给水平较为接近. 一方面, 这是由自然因素决定的, 比如2010年和2022年都属于偏丰水年, 2015年的降水量显著低于这两个年份, 对产水量造成显著影响. 另一方面, 研究初期珠三角经历了快速的经济增长和城镇化进程, 自然资源需求的增加导致生态系统承受压力增大, 从而影响了ESs的供给水平. 但近些年来, 广东省出台了多项环境治理和保护的规划纲要, 并采取了系列措施, 包括水环境治理、生态保护和修复、城市规划和环境管理等, 这些努力显著改善了生态环境, 使珠三角整体ESs供给水平经历了从恶化到恢复的过程.
3.2 生态系统服务间相互作用的空间尺度效应分析ESs的空间异质性、要素复杂性及生态系统的等级性和层次性共同导致了ESs间权衡协同关系空间尺度效应的复杂性. 首先, 随着空间尺度的扩大, 成对ESs间的相互作用关系可能会发生变化, 这可以用土地利用冲突和土地利用一致性来解释. 土地利用冲突是指某范围内的土地仅对某一种ES具有显著支撑作用, 容易出现权衡关系. 土地利用一致性是指某范围内的土地同时受益于两种或两种以上的ESs, 这往往会产生协同效应[50]. 例如研究结果显示, FP作为常见的供给服务, 与其他调节和支持服务在格网水平上是空间排他性的, 但在乡镇和区县这种更大的尺度下倾向于向协同方向改善. 因为精细格网尺度往往只涉及某种类型的土地, 比如耕地往往能生产粮食, 但对于其他类型的ESs供应能力却很弱, 而林地和草地虽能够提供高水平的固碳、土壤保持和生物多样性保护能力, 却无法提供粮食, 所以在细微尺度上, FP往往与其他类型的ESs呈现出权衡关系. 而在更大尺度, 土地利用类型组成和配置差异明显, 如果生态土地斑块和城市开发土地分布比例适中, 那FP便可以与SR和CS等服务形成良好的互动关系, 也说明协同关系并不仅限于供给或调节、支持服务内部. 其次, 成对ESs间的相互作用强度也必然会受空间尺度效应的影响. 许多学者认为, ESs相互作用强度会随空间尺度的扩大而发生规律性的变化, 如Zhang等[51]和夏楚瑜等[52]认为空间尺度越大, ESs间的相关性越高, 而陈俊辰等[21]却认为ESs间权衡关系的强度会因为尺度扩大所产生的“削峰填谷”效应而被削弱. 而本研究认为, ESs间相互作用的强度随空间尺度变化并非遵循单一规律. 随着空间尺度的扩大, 尽管区域内各ESs的平均供给水平可能会因“削峰填谷”效应而趋于下降, 但同时, 生态系统的结构与功能复杂性及其空间异质性亦随之增强. 因此各ESs在该区域内的平均供给量会因为总实物量的变动而发生不同程度的变化, 而这种变动幅度才最终决定ESs间相互作用的强度. 因此, 成对ESs间的相互作用关系与强度无疑具有尺度依赖性, 但以简化的规律来概括这种尺度依赖性是不全面的, 因为ESs间的相互作用关系与强度受到多种因素的共同影响, 包括但不限于ESs间的直接作用、生态过程的空间异质性、土地利用的变化、社会经济活动的分布, 以及政策导向等[53]. 这些因素的综合作用导致了成对ESs间的相互作用关系与强度在不同尺度上的非线性和不确定性.
此外, ESBs的类型、功能结构、空间分布以及动态演变同样具有尺度依赖性, 这种尺度依赖（敏感）程度主要取决于所包括服务类型的供给水平及分布均匀性. 由于珠三角6种ESs的空间分层异质性显著, 导致某些ESBs只能在特定空间尺度上被识别, 比如都市生态脆弱簇和都市农业维护簇. 尽管如此, ESBs的空间分布仍有规律可循. 珠三角作为我国经济最为发达的平原地区之一, 其景观格局在城市蔓延的影响下形成了以广州、东莞和深圳市为中心, 沿城乡梯度扩散的“建设用地⁃耕地⁃林地”的空间格局. 这种格局解释了为何高价值ESs供给簇（生态保育簇、农业生态簇）多集中于珠三角的西北、东北和南部地区, 因为这些区域人口较为稀疏, 森林覆盖度高, 拥有的耕地能保证一定的粮食生产能力, 从而具备较强的生态系统维持能力. 而低价值ESs供给簇（都市生态脆弱簇、都市生态枯竭簇等）则主要位于中部地区, 这些地区分布着高密度的建设用地, 人类活动频繁, 生态系统脆弱性较高. 因此, 在进行ESs差异化管理时, 需将微观尺度和更大尺度评估结果相结合, 在较大范围内考虑ESs相互作用的总体情况, 制定长期生态保护计划, 在较小范围内实施当前条件下更为精准的管理措施, 通过调整政策执行的空间尺度提高ESs管理的有效性[51].
3.3 不足与展望本研究为珠三角城市群ESs的科学管理提供了数据分析和理论依据. 但仍然存在以下不足：①联合国千年评估计划将ESs划分为供给、调节、支持和文化这4大类以及若干小类[28], 但研究中只讨论了产水量、土壤保持、碳固定、水质净化、生境质量以及粮食供应6类ESs, 并不能完全反映珠三角城市群生态系统的全部服务类型. ②在分析尺度上, 研究仅讨论和分析了1km2六边形格网、乡镇和区县尺度下ESs间的相互作用, 这可能会在分析尺度效应时产生误差. 未来研究应考虑差距更小的尺度, 以准确确定“尺度效应”的拐点, 这将助力于ESs管理战略的精确实施. ③评估结果的准确性受到基础数据的约束. 例如, 虽然研究中使用的武汉大学CLCD土地利用数据是中国最精确的遥感监测数据产品之一, 但在珠三角海岸带区域仍存在数据精度不足的问题, 导致与实际状况存在偏差. 未来需在更高精度的数据基础上开展研究.
4 结论（1）2010~2022年, 珠三角地区6种ESs的平均供应水平随时间推移呈现起伏, 其中除SR、HQ和FP外, 其他ESs在过去12 a间呈整体增长趋势. 所有ESs的空间异质性显著, 高价值的生态供给区主要位于研究区四周, 中部相对贫瘠, 整体表现出“由中部城市建成区为中心向四周辐射递增”的梯度模式.
（2）珠三角成对ESs间以协同关系为主, 且大多数ESs间的相关系数绝对值随时间推移呈现出“先减弱后增强”的特点. 调节与支持服务之间的显著协同关系在跨时空尺度上具有稳定性, 但其作用强度多倾向于随空间尺度的扩大而增强；供给服务与其他ESs之间的相互作用关系与强度具有明显的空间尺度变异性和波动性. 此外, 平均化效应使得ESs间权衡协同关系的空间格局随空间尺度的扩大变得更加均匀和聚集.
（3）珠三角的6种ESs在3个空间尺度上共现, 均形成了4类功能迥异的ESBs, 其中包括3种同类型的服务簇：生态保育簇、农业生态簇和都市生态枯竭簇, 以及3种不同类型的服务簇：生境质量簇、都市生态脆弱簇和都市农业维护簇. 其类型、功能结构和空间分布均具有显著空间尺度依赖性. 随时间推移, ESBs之间的转移展现出近似对称的演变特征, 但这种转移在小尺度上更加频繁, 在大尺度上变化更加显著, 说明不同尺度上的生态系统管理优先事项不同.
| [1] | Costanza R, d'Arge R, De Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387(6630): 253-260. DOI:10.1038/387253a0 |
| [2] | Wu J H, Wang G Z, Chen W X, et al. Terrain gradient variations in the ecosystem services value of the Qinghai-Tibet Plateau, China[J]. Global Ecology and Conservation, 2022, 34. DOI:10.1016/j.gecco.2022.e02008 |
| [3] | Cao S Y, Hu X J, Wang Y Z, et al. Understanding spatial-temporal interactions of ecosystem services and their drivers in a multi-scale perspective of Miluo using multi-source remote sensing data[J]. Remote Sensing, 2023, 15(14). DOI:10.3390/rs15143479 |
| [4] | Huang F X, Zuo L Y, Gao J B, et al. Exploring the driving factors of trade-offs and synergies among ecological functional zones based on ecosystem service bundles[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2022.109827 |
| [5] | Xu J, Wang S, Xiao Y, et al. Mapping the spatiotemporal heterogeneity of ecosystem service relationships and bundles in Ningxia, China[J]. Journal of Cleaner Production, 2021, 294. DOI:10.1016/j.jclepro.2021.126216 |
| [6] | Cord A F, Bartkowski B, Beckmann M, et al. Towards systematic analyses of ecosystem service trade-offs and synergies: main concepts, methods and the road ahead[J]. Ecosystem Services, 2017, 28: 264-272. DOI:10.1016/j.ecoser.2017.07.012 |
| [7] | Shen J S, Li S C, Liu L B, et al. Uncovering the relationships between ecosystem services and social-ecological drivers at different spatial scales in the Beijing-Tianjin-Hebei region[J]. Journal of Cleaner Production, 2021, 290. DOI:10.1016/j.jclepro.2020.125193 |
| [8] | Lee H, Lautenbach S. A quantitative review of relationships between ecosystem services[J]. Ecological Indicators, 2016, 66: 340-351. DOI:10.1016/j.ecolind.2016.02.004 |
| [9] | Shen J S, Li S C, Liang Z, et al. Exploring the heterogeneity and nonlinearity of trade-offs and synergies among ecosystem services bundles in the Beijing-Tianjin-Hebei urban agglomeration[J]. Ecosystem Services, 2020, 43. DOI:10.1016/j.ecoser.2020.101103 |
| [10] | Liu Q, Qiao J J, Li M J, et al. Spatiotemporal heterogeneity of ecosystem service interactions and their drivers at different spatial scales in the Yellow River Basin[J]. Science of the Total Environment, 2024, 908. DOI:10.1016/j.scitotenv.2023.168486 |
| [11] |
张铭丹, 李运刚. 瑞丽江-大盈江流域生态系统服务权衡与协同关系研究[J]. 水土保持研究, 2023, 30(6): 415-422. Zhang M D, Li Y G. Study on ecosystem service trade-off/synergy relationship in Ruili-Daying River Basin[J]. Research of Soil and Water Conservation, 2023, 30(6): 415-422. |
| [12] |
何刘洁, 郑博福, 万炜, 等. 长江经济带生态系统服务权衡与协同及其驱动因素[J]. 环境科学, 2024, 45(6): 3318-3328. He L J, Zheng B F, Wan W, et al. Trade-off and synergy of ecosystem services in the Yangtze River Economic Belt and its driving factors[J]. Environmental Science, 2024, 45(6): 3318-3328. |
| [13] |
赵恒谦, 刘哿, 杨姿涵, 等. 2000~2020年辽宁省生态系统服务评估与多情景预测[J]. 环境科学, 2024, 45(7): 4137-4151. Zhao H Q, Liu G, Yang Z H, et al. Ecosystem services assessment and multi-scenario prediction in Liaoning province from 2000 to 2020[J]. Environmental Science, 2024, 45(7): 4137-4151. |
| [14] | Aryal K, Maraseni T, Apan A. Spatial dynamics of biophysical trade-offs and synergies among ecosystem services in the Himalayas[J]. Ecosystem Services, 2023, 59. DOI:10.1016/j.ecoser.2022.101503 |
| [15] | Wang K P, Gao J R, Liu C H, et al. Understanding the effects of socio-ecological factors on trade-offs and synergies among ecosystem services to support urban sustainable management: a case study of Beijing, China[J]. Sustainable Cities and Society, 2024, 100. DOI:10.1016/j.scs.2023.105024 |
| [16] | Huang M Y, Wang Q L, Yin Q, et al. Analysis of ecosystem service contribution and identification of trade-off/synergy relationship for ecosystem regulation in the Dabie mountains of western Anhui province, China[J]. Land, 2023, 12(5). DOI:10.3390/land12051046 |
| [17] | Zhu C M, Dong B Y, Li S N, et al. Identifying the trade-offs and synergies among land use functions and their influencing factors from a geospatial perspective: a case study in Hangzhou, China[J]. Journal of Cleaner Production, 2021, 314. DOI:10.1016/j.jclepro.2021.128026 |
| [18] | Xia H, Yuan S F, Prishchepov A V. Spatial-temporal heterogeneity of ecosystem service interactions and their social-ecological drivers: implications for spatial planning and management[J]. Resources, Conservation and Recycling, 2023, 189. DOI:10.1016/j.resconrec.2022.106767 |
| [19] |
蔡进, 危小建, 江平, 等. 基于贝叶斯网络的生态系统服务权衡协同关系强度及其空间格局优化: 以汾河流域为例[J]. 环境科学, 2024, 45(5): 2780-2792. Cai J, Wei X J, Jiang P, et al. Ecosystem service trade-off synergy strength and spatial pattern optimization based on Bayesian network: a case study of the Fenhe River Basin[J]. Environmental Science, 2024, 45(5): 2780-2792. |
| [20] |
冯琳, 雷国平. 东北地区生态系统服务及权衡/协同关系时空演变特征与功能分区研究[J]. 中国土地科学, 2023, 37(7): 100-113. Feng L, Lei G P. Study on spatial-temporal evolution characteristics and functional zoning of ecosystem services and trade-offs/synergies relationships in northeastern China[J]. China Land Science, 2023, 37(7): 100-113. |
| [21] |
陈俊辰, 贺淑钰, 薛晶, 等. 多尺度生态系统服务的权衡关系及其对景观配置的响应——以湖北省为例[J]. 生态学报, 2023, 43(12): 4835-4846. Chen J C, He S Y, Xue J, et al. Exploring ecosystem service trade-offs and their response to landscape configuration at multi-scales: a case study of Hubei Province[J]. Acta Ecologica Sinica, 2023, 43(12): 4835-4846. |
| [22] |
李欣, 陈登帅, 张冰冰, 等. 快速城镇化地区生态系统服务时空演变及权衡协同分析: 以黄河下游地区为例[J]. 环境科学, 2024, 45(9): 5372-5384. Li X, Chen D S, Zhang B B, et al. Spatio-temporal evolution and trade-off/synergy analysis of ecosystem services in regions of rapid urbanization: a case study of the lower Yellow River Region[J]. Environmental Science, 2024, 45(9): 5372-5384. |
| [23] | Zhang T J, Zhang S P, Cao Q, et al. The spatiotemporal dynamics of ecosystem services bundles and the social-economic-ecological drivers in the Yellow River Delta region[J]. Ecological Indicators, 2022, 135. DOI:10.1016/j.ecolind.2022.108573 |
| [24] |
刘珺, 俞博云, 杨文府. 多尺度地理加权回归模型支持下的汾河流域生态系统服务关系演化机理研究[J]. 遥感学报, 2023, 27(7): 1667-1679. Liu J, Yu B Y, Yang W F. Evolution mechanism of ecosystem service relationship in the Fenhe River Basin based on multiscale geographically weighted regression[J]. National Remote Sensing Bulletin, 2023, 27(7): 1667-1679. |
| [25] | Hu J Y, Zhang J X, Li Y Q. Exploring the spatial and temporal driving mechanisms of landscape patterns on habitat quality in a city undergoing rapid urbanization based on GTWR and MGWR: the case of Nanjing, China[J]. Ecological Indicators, 2022, 143. DOI:10.1016/j.ecolind.2022.109333 |
| [26] | Cui F Q, Tang H P, Zhang Q, et al. Integrating ecosystem services supply and demand into optimized management at different scales: a case study in Hulunbuir, China[J]. Ecosystem Services, 2019, 39. DOI:10.1016/j.ecoser.2019.100984 |
| [27] | Wu J S, Fan X N, Li K Y, et al. Assessment of ecosystem service flow and optimization of spatial pattern of supply and demand matching in Pearl River Delta, China[J]. Ecological Indicators, 2023, 153. DOI:10.1016/j.ecolind.2023.110452 |
| [28] | Reid W V, Mooney H A, Cropper A, et al. Millennium ecosystem assessment. Ecosystems and human well-being: synthesis[M]. Washington, DC: Island Press, 2005. |
| [29] |
庞彩艳, 文琦, 丁金梅, 等. 黄河上游流域生态系统服务变化及其权衡协同关系[J]. 生态学报, 2024, 44(12): 5003-5013. Pang C Y, Wen Q, Ding J M, et al. Ecosystem services and their trade-offs and synergies in the upper reaches of the Yellow River Basin[J]. Acta Ecologica Sinica, 2024, 44(12): 5003-5013. |
| [30] |
胡砚霞, 于兴修, 廖雯, 等. 汉江流域产水量时空格局及影响因素研究[J]. 长江流域资源与环境, 2022, 31(1): 73-82. Hu Y X, Yu X X, Liao W, et al. Spatio-temporal patterns of water yield and its influencing factors in the Han River Basin[J]. Resources and Environment in the Yangtze Basin, 2022, 31(1): 73-82. |
| [31] |
周文佐, 刘高焕, 潘剑君. 土壤有效含水量的经验估算研究——以东北黑土为例[J]. 干旱区资源与环境, 2003, 17(4): 88-95. Zhou W Z, Liu G H, Pan J J. Soil available water capacity and it's empirical and statistical models-with s special reference to black soils in northeast China[J]. Journal of Arid Land Resources and Environment, 2003, 17(4): 88-95. |
| [32] |
章文波, 付金生. 不同类型雨量资料估算降雨侵蚀力[J]. 资源科学, 2003, 25(1): 35-41. Zhang W B, Fu J S. Rainfall erosivity estimation under different rainfall amount[J]. Resources Science, 2003, 25(1): 35-41. |
| [33] |
杨洁, 谢保鹏, 张德罡, 等. 基于InVEST模型的黄河流域土壤侵蚀评估及其时空变化[J]. 兰州大学学报(自然科学版), 2021, 57(5): 650-658. Yang J, Xie B P, Zhang D G, et al. Soil erosion and its temporal-spatial variation in the Yellow River Basin based on the InVEST model[J]. Journal of Lanzhou University (Natural Sciences), 2021, 57(5): 650-658. |
| [34] |
江伟康. 基于CA-Markov和InVEST模型的粤港澳大湾区生态系统服务评估研究[D]. 广州: 华南理工大学, 2021. Jiang W K. Spatial-temporal evolution of ecosystem services in Guangdong-Hong Kong-Macao Greater Bay area based on CA-Markov and InVEST models[D]. Guangzhou: South China University of Technology, 2021. |
| [35] |
李静, 曹永强, 么嘉棋, 等. 基于RUSLE模型的京津冀地区土壤侵蚀时空变化分析[J]. 水利水电技术(中英文), 2024, 55(4): 186-199. Li J, Cao Y Q, Yao J Q, et al. Temporal and spatial variation analysis of soil erosion in Beijing-Tianjin-Hebei region based on RUSLE model[J]. Water Resources and Hydropower Engineering, 2024, 55(4): 186-199. |
| [36] |
李威, 赵祖伦, 吕思思, 等. 基于InVEST模型的水质净化功能时空分异研究[J]. 灌溉排水学报, 2022, 41(3): 105-113. Li W, Zhao Z L, Lv S S, et al. Attenuation of pollutants in Beipanjiang River Basin calculated using the InVEST Model[J]. Journal of Irrigation and Drainage, 2022, 41(3): 105-113. |
| [37] |
郑慧玲, 郑辉峰. 基于土地利用/覆被动态变化的粤港澳大湾区碳储量评价与预测[J]. 环境科学, 2024, 45(4): 2321-2331. Zheng H L, Zheng H F. Assessment and prediction of carbon storage based on land use/land cover dynamics in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Environmental Science, 2024, 45(4): 2321-2331. |
| [38] |
朱志强, 马晓双, 胡洪. 基于耦合FLUS-InVEST模型的广州市生态系统碳储量时空演变与预测[J]. 水土保持通报, 2021, 41(2): 222-229, 239. Zhu Z Q, Ma X S, Hu H. Spatio-temporal evolution and prediction of ecosystem carbon stocks in Guangzhou city by coupling FLUS-InVEST models[J]. Bulletin of Soil and Water Conservation, 2021, 41(2): 222-229, 239. |
| [39] |
吴文坤, 曾惠娴, 郭春华, 等. 城市形态对广州市生境质量的影响[J]. 生态科学, 2023, 42(5): 203-212. Wu W K, Zeng H X, Guo C H, et al. The impact of urban morphology on habitat quality in Guangzhou[J]. Ecological Science, 2023, 42(5): 203-212. |
| [40] |
杨洁, 谢保鹏, 张德罡. 基于InVEST模型的黄河流域产水量时空变化及其对降水和土地利用变化的响应[J]. 应用生态学报, 2020, 31(8): 2731-2739. Yang J, Xie B P, Zhang D G. Spatio-temporal variation of water yield and its response to precipitation and land use change in the Yellow River Basin based on InVEST model[J]. Chinese Journal of Applied Ecology, 2020, 31(8): 2731-2739. |
| [41] |
吴一帆, 张璇, 李冲, 等. 生态修复措施对流域生态系统服务功能的提升——以潮河流域为例[J]. 生态学报, 2020, 40(15): 5168-5178. Wu Y F, Zhang X, Li C, et al. Improvement of ecosystem service function in watershed by ecological restoration measures: a case study in Chaohe River Basin[J]. Acta Ecologica Sinica, 2020, 40(15): 5168-5178. |
| [42] |
蒙莎莎, 陆汝成, 庞晓菲. 2000-2020年广西陆地边境地区生境质量演变[J]. 水土保持研究, 2023, 30(6): 376-385. Meng S S, Lu R C, Pang X F. Evolution of habitat quality in the land border areas of Guangxi from 2000 to 2020[J]. Research of Soil and Water Conservation, 2023, 30(6): 376-385. |
| [43] |
周俊鑫, 蔡梅芳, 黄志强, 等. 江西省生境质量时空演化特征及预测[J]. 生态学报, 2023, 43(18): 7623-7636. Zhou J X, Cai M F, Huang Z Q, et al. Spatio-temporal evolution characteristics and prediction of habitat quality in Jiangxi Province[J]. Acta Ecologica Sinica, 2023, 43(18): 7623-7636. |
| [44] |
薛曾辉, 高驭洋, 卢枰达, 等. 基于土地利用和地形的生态系统服务空间分布及权衡-协同-独立关系——以安塞区为例[J]. 水土保持研究, 2024, 31(2): 240-251, 263. Xue Z H, Gao Y Y, Lu P D, et al. Spatial distribution and tradeoff-synergy-independence relationships of ecosystem services based on land use and topography-taking the Ansai district as an example[J]. Research of Soil and Water Conservation, 2024, 31(2): 240-251, 263. |
| [45] |
牛忠恩, 何洪林, 任小丽, 等. 基于过程模型的2000—2018年中国陆地生态系统服务时空动态及其权衡与协同分析[J]. 生态学报, 2023, 43(2): 496-509. Niu Z E, He H L, Ren X L, et al. Spatio-temporal characteristic of terrestrial ecosystem services and their trade-offs and synergies in China from 2000 to 2018 based on a process model[J]. Acta Ecologica Sinica, 2023, 43(2): 496-509. |
| [46] |
马程, 李双成, 刘金龙, 等. 基于SOFM网络的京津冀地区生态系统服务分区[J]. 地理科学进展, 2013, 32(9): 1383-1393. Ma C, Li S C, Liu J L, et al. Regionalization of ecosystem services of Beijing-Tianjin-Hebei area based on SOFM neural network[J]. Progress in Geography, 2013, 32(9): 1383-1393. |
| [47] | Yuan Z R, Liang Y L, Zhao H, et al. Trade-offs and synergies between ecosystem services on the Tibetan Plateau[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2023.111384 |
| [48] | Liu Z H, Huang Q D, Zhou Y, et al. Spatial identification of restored priority areas based on ecosystem service bundles and urbanization effects in a megalopolis area[J]. Journal of Environmental Management, 2022, 308. DOI:10.1016/j.jenvman.2022.114627 |
| [49] | Bennett E M, Peterson G D, Gordon L J. Understanding relationships among multiple ecosystem services[J]. Ecology Letters, 2009, 12(12): 1394-1404. |
| [50] | Li M, Zheng P, Pan W B. Spatial-temporal variation and tradeoffs/synergies analysis on multiple ecosystem services: a case study in Fujian[J]. Sustainability, 2022, 14(5). DOI:10.3390/su14053086 |
| [51] | Zhang X F, Han R Q, Yang S J, et al. Identification of bundles and driving factors of ecosystem services at multiple scales in the eastern China region[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2023.111378 |
| [52] |
夏楚瑜, 国淏, 赵晶, 等. 京津冀地区生态系统服务对城镇化的多空间尺度动态响应[J]. 生态学报, 2023, 43(7): 2756-2769. Xia C Y, Guo H, Zhao J, et al. Dynamic responses of ecosystem services to urbanization at multi-spatial scales in the Beijing-Tianjin-Hebei region[J]. Acta Ecologica Sinica, 2023, 43(7): 2756-2769. |
| [53] | Feng Z, Jin X R, Chen T Q, et al. Understanding trade-offs and synergies of ecosystem services to support the decision-making in the Beijing⁃Tianjin⁃Hebei region[J]. Land Use Policy, 2021, 106. DOI:10.1016/j.landusepol.2021.105446 |